Discussion :

[orsen10]

Bonjour,
Je veux faire une prédiction via une régression logistique, pour cela j'ai divisé ma dataframe en Training et testing.
Puis j'ai appliqué une régression GLM sur la partie testing (80% de la base), mais les résultats sont un peux choquants pour moi.
Toutes les variables ne sont pas significatives!!??
Voici le script que j'ai utilisé :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
library(caTools)
split=sample.split(data,SplitRatio = 0.80)
split
training=subset(data,split=="TRUE")
testing=subset(data,split=="FALSE")
model=glm(diag~., training, family = binomial(link = logit))
summary(model)

Est-ce que quelqu'un parmi vous pourra m'aider svp??

[marou1991]

Bonjour,

si les variables ne sont pas significatives c'est que la régression logistique n'est pas adapté pour modéliser tes données. La régression logistique suppose une liaison linaire entre ta variable à expliquer et les variables explicatives, et c'est peut-être pas le cas. Il faut soit changer de méthode et essayer des méthodes plus performantes ou essayer de transformer tes variables explicatives mais j'en doute que ca doit marcher. Il faut aussi recouponner que ta data n'extrait aucune information...

[orsen10]

Bonjour,

si les variables ne sont pas significatives c'est que la régression logistique n'est pas adapté pour modéliser tes données. La régression logistique suppose une liaison linaire entre ta variable à expliquer et les variables explicatives, et c'est peut-être pas le cas. Il faut soit changer de méthode et essayer des méthodes plus performantes ou essayer de transformer tes variables explicatives mais j'en doute que ca doit marcher. Il faut aussi recouponner que ta data n'extrait aucune information...

Bonjour,
merci pour votre réponse, non la régression logistique est la mieux adaptée pour cette étude (je veux faire une prédiction des patients atteints du cancer donc la variable explicative prends les modalité "1" si cancer "0" sinon") quand j'applique la régression sur toutes les variables, pratiquement toutes les variables sont significatives.
mon problème réside dans la phase prédiction: quand j'applique la régression sur "training" les variables deviendront tous non significatives!!

[faubry]

Le premier argument de sample.split doit être un vecteur de type étiquette (ou niveau d'un facteur) qui est celle qui sert au découpage. Si ce n'est pas le cas, le résultat peut être bizarre. Donc commence par déterminer quel est ton facteur de stratification pour le découpage, utilise alors uniquement cette variable dans sample.split et refait ton analyse. Je pense que dans ton cas, c'est diag. Si c'est le cas, le code est :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
library( caTools)
split <- sample.split( data$diag, SplitRatio=0.80)
split
training <- subset( data, split=="TRUE")
testing <- subset( data, split=="FALSE")
model <- glm( diag ~ ., training, family=binomial( link = logit))
summary( model)

@marou1991

La régression logistique suppose une liaison linaire entre ta variable à expliquer et les variables explicatives

Non, c'est la régression linéaire. Pour la régression logistique, le relation linéaire est entre le logit (log du rapport des probabilités entre cas favorables et cas défavorables) et les variables explicatives. Donc, d'après la description que fait orsen10 de son problème, il faut donc bien faire une régression logistique.

@orsen10 pour évaluer la qualité de la prédiction, j'utiliserai une approche de type validation croisée (par exemple, K-fold cross-validation) même si ton approche est aussi valable.

[orsen10]

[QUOTE=faubry;9865890]Le premier argument de sample.split doit être un vecteur de type étiquette (ou niveau d'un facteur) qui est celle qui sert au découpage. Si ce n'est pas le cas, le résultat peut être bizarre. Donc commence par déterminer quel est ton facteur de stratification pour le découpage, utilise alors uniquement cette variable dans sample.split et refait ton analyse. Je pense que dans ton cas, c'est diag. Si c'est le cas, le code est :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
library( caTools)
split <- sample.split( data$diag, SplitRatio=0.80)
split
training <- subset( data, split=="TRUE")
testing <- subset( data, split=="FALSE")
model <- glm( diag ~ ., training, family=binomial( link = logit))
summary( model)

Bonjour;
je vous remercie pour votre réponse, mais j'ai déjà essayé de procéder ainsi mais le résultat est le même tous les prob sont sup à 0.05.
je veux juste savoir pourquoi ça n'a pas marché avec cette méthode?
j'ai utilisé la méthode LDA pour la classification et ça a marché .
cordialement

[faubry]

j'ai déjà essayé de procéder ainsi mais le résultat est le même tous les prob sont sup à 0.05

Les probabilités obtenues comment ? Il faudrait voir le code pour répondre.

j'ai utilisé la méthode LDA pour la classification et ça a marché

Là aussi il faudrait voir le code.